正则表达式总结(python)
正则表达式（称为RE，或正则，或正则表达式模式）本质上是嵌入在Python中的一种微小的、高度专业化的编程语言，可通过 re 模块获得。正则表达式用于对字符串进行操作，最主要的为：匹配字符串、修改字符串。
匹配字符：
元字符：这类字符拥有特殊含义，并且不匹配自己，相反它们表示应该匹配一些不同的东西，或者通过重复它们或改变它们的含义来影响正则的其他部分。
元字符的列表：. ^ $ * + ? { } [ ] \ | ( ) 。首先“[”和”]”, 它们用于指定字符类，它是你希望匹配的一组字符。 可以单独列出字符，也可以通过给出两个字符并用 '-' 标记将它们分开来表示一系列字符。 例如，[abc] 将匹配任何字符 a、b 或 c; 这与 [a-c] 相同，它使用一个范围来表示同一组字符。其次，最重要的元字符是”\”,反斜杠后面可以跟各种字符，以指示各种特殊序列，也用于转义所有元字符，可以通过反斜杠来移除它们的特殊含义,如:\[或\\。
\d
匹配任何十进制数字；这等价于类 [0-9]。
\D
匹配任何非数字字符；这等价于类 [^0-9]。
\s
匹配任何空白字符；这等价于类 [ \t\n\r\f\v]。
\S
匹配任何非空白字符；这相当于类 [^ \t\n\r\f\v]。
\w
匹配任何字母与数字字符；这相当于类 [a-zA-Z0-9_]。
\W
匹配任何非字母与数字字符；这相当于类 [^a-zA-Z0-9_]。
|
或者“or”运算符。 如果 A 和 B 是正则表达式，A|B 将匹配任与 A 或 B 匹配的字符串。 | 具有非常低的优先级，以便在交替使用多字符字符串时使其合理地工作。
^
匹配行的末尾，定义为字符串的结尾，或者后跟换行符的任何位置。:
\A
仅匹配字符串的开头。 当不在 MULTILINE 模式时，\A 和 ^ 实际上是相同的。
\Z
只匹配字符串尾。
\b
字边界。 这是一个零宽度断言，仅在单词的开头或结尾处匹配。 单词被定义为一个字母数字字符序列，因此单词的结尾由空格或非字母数字字符表示。
编译正则表达式
正则表达式被编译成模式对象，模式对象有各种操作的方法，例如搜索模式匹配或执行字符串替换。
>>> import re
>>> p = re.compile(“ab*)
>>> p
re.compile()也接受一个可选的flags参数，也叫做编译标志，用于启用各种特殊功能和语法变体。
应用匹配模式对象有以下几种方法与属性
以上的方法若匹配成功，会返回一个匹配对象，这包含匹配的相关信息：起始和终结位置、匹配的子串及其它。匹配对象实例的方法与属性：
分组：通常用于将正则分成几个子组来解析字符串，这些子组匹配不同的感兴趣组件，分组由元字符”(“,”)”来标记，它们将包含其中的表达式组合在一起，并且可以使用重复限定符重复组的内容；用”(“,”)”表示的组也捕获它们匹配的文本的起始和结束索引；这可以通过将参数传递给group(),start(),end(),span()。组从0开始编号，这表示整个正则。
非捕获和命名组：有时候会想要使用组来表示正则表达式的一部分，但是对检索组的内容不感兴趣，这时可以通过使用非捕获组来显示表达这个事实（？：…）
>>> m = re.match(“([abc])+”,”abc”)
>>> m.groups()
(‘c’,)
>>> m = re.match(“(?:[abc])+”,”abc”)
>>> m = groups()
()
而命名组不是通过数字引用，而是可以通过名称引用组，（?P<name>..）name是改组的名称，命名组的行为与捕获组完全相同，并且将组与名称关联
修改字符串：
除了针对静态字符串执行搜索，正则表达式通常也用于以各种方式修改字符串，有如下方法
.spilit(string[,maxsplit=0]):可以通过传递maxsplit的值来限制分割的数量。
>>> p = re.compile(r’\w+)
>>> p.split(‘This is a test,short and sweet ,of split().’)
[‘This’,’is’,’a’,’test’,’short’,’and’,’sweet’,’of’,’split’,’’]
>>> p.split(‘This is a test,short and sweet ,of split().’,3)
[‘This’,’is’,’a’,’test,short and sweet,of split().’]
搜索和替换：找到模式的所有匹配项，并用不同的字符串替换它们。Sub()接受一个替换值，可以是字符串或函数，也可以是要处理的字符串。
.sub(replacement,string[,count=0])
返回通过替换replacement替换string中正则的最左边非重叠出现而获得的字符串。如果未找到模式，则string将保持不变。
可选参数count是要替换的模式最大的出现次数；count必须是非负整数。
>>> p = re.compile(‘(blue|while|red)’)
>>> p.sub(‘colour’,’blue socks and red shoes’)
‘colour socks and colour shoes’
>>> p.sub(‘colour’,’no colours at all’)
(‘no coulours at all’,0)
在使用正则表达式中遇到的问题：
- match()函数与search()使用不当:
在使用模式对象进行匹配字符串时，通常使用match()函数或search()函数进行匹配，不过由于对函数的使用不当，有时候得到的结果并不是最终的结果。
Match()函数只检测RE是不是在string的开始位置匹配，而search()会扫描整个string查找匹配，会扫描整个字符串并返回第一个成功的匹配。因此，match()函数只有在0位置匹配成功的时候返回，不在开始位置匹配成功就会返回None.
如：
>>> print(re.match(‘super’,’superstition’).span())
(0,5)
>>> print(re.match(‘super’,’insuperable’))
None
>>> print(re.search(‘super’,’superstition’).span())
(0,5)
>>> print(re.search(‘super’,’insuperable’).span())
(2,7)
- 反斜杠灾难
在python中，字符串中使用反斜杠有可能带来反斜杠灾难。假设你想要编写一个与字符串 \section 相匹配的正则，它可以在 LaTeX 文件中找到。 要找出在程序代码中写入的内容，请从要匹配的字符串开始。 接下来，您必须通过在反斜杠前面添加反斜杠和其他元字符，从而产生字符串 \\section。 必须传递给 re.compile() 的结果字符串必须是 \\section。 但是，要将其表示为 Python 字符串文字，必须 再次转义两个反斜杠。
简而言之，要匹配文字反斜杠，必须将 '\\\\' 写为正则字符串，因为正则表达式必须是 \\，并且每个反斜杠必须表示为 \\ 在常规Python字符串字面中。 在反复使用反斜杠的正则中，这会导致大量重复的反斜杠，并使得生成的字符串难以理解。
解决方法：解决方案是使用 Python 的原始字符串表示法来表示正则表达式；反斜杠不以任何特殊的方式处理前缀为 'r' 的字符串字面，因此 r"\n" 是一个包含 '\' 和 'n' 的双字符字符串，而 "\n" 是一个包含换行符的单字符字符串。 正则表达式通常使用这种原始字符串表示法用 Python 代码编写。
- 贪婪与非贪婪
在使用重复元字符时，存在贪婪与非贪婪特性的两类元字符，a*本意是匹配前一个字符0次到多次，不过python编译器会尽可能地进行多次匹配，因此呈现出的结果就是a的次数再允许的范围内尽可能的多。若要解决可以使用*?,+?,??或者{m,n}，匹配尽可能少的文字
如：
>>> s = ‘<html><head><title>Title</title?’
>>> len(s)
32
>>> print(re.match(‘<.*>’,s).span())
(0,32)
>>> print(re.match(‘<.*>’s).group())
<html><head><title>Title</title>
>>> print (re.match(‘<.*?>,s).group())
<html>